中移动掘金大数据 浪潮为其改造基础架构
海量数据是4G时代送给电信运营商最大的礼物。信息、互联网行为数据、话单数据、WAP日志/WEB日志、互联网网页、投诉文本、短信文本等结构化数据以及非结构数据呈现几何式增长,基于这些数据的挖掘、共享、分析已经成为全球电信运营商转变商业模式的重要资源,目前,全球120家运营商中,已经有48%的企业正在实施大数据战略。
某省移动公司是全省唯一专注移动通信领域的电信运营企业,网络容量1400万户,客户总量超过6000万户。作为“中国移动通信”网络的有机组成部分,该移动公司一直专注于新技术开发和应用,并在大数据平台的建设中走在了最前沿。
要用大数据 先改变基础架构
现阶段,三大运营商还处于数据应用的初级阶段只支持流量经营、智能管道等应用,主要采用基于内部整合数据的分析挖掘手段,未能形成规模并进行商业利用。而旧有系统建设分散,无法实现资源应用共享。数据的分散存储和传统架构的缺陷,无法满足新业务发展要求。
目前国内的三大运营商都在着力整合企业内外部数据,做到内部交易数据与互联网交互数据的融合,由此开展用户行为模式的分析与数据挖掘并支撑各类数据应用,包括:支持精细化营销、支持产品规划和创新、支持网络优化和投资、支持能力开放与合作。长远来看,运营商应建立基于大数据驱动,以消费者为中心、以客户体验为重心的企业运营及组织变革模式,如淘宝将数据化运营贯穿业务全过程,以选品、价格和推送作为淘宝客户体验的三个灵魂。
而现实的IT基础架构则阻碍了电信行业发展大数据的步伐。首先,传统IT系统建设分散,很难实现资源和应用共享。诸如经营分析、信令监测、综合网络分析、不良信息监测以及上网日志留存等大数据系统垂直建设较多,同时,系统建设存在重复建设、应用重复开发、各类专家资源无法共享等情况。
其次,数据分散存储,标准化程度低。要对网络流量大数据进行分析,必须实现数据的集中存储,并有统一的标准。但从目前来看,各大运营商数据系统的数据模型并未统一,跨系统综合分析较为困难,在原有基础之上实现统一管理的难度较高。
最后,以联机事务处理系统On-Line Transaction Processing (OLTP)为核心的传统架构难以满足新业务发展要求,海量的大数据处理需要高度易扩展、高性能的基础架构,先行架构在存储、计算等各个方面都不能满足需求。
架构改变是基础 整体效率是目标
为了推进全网数据流量的精细化经营,提升数据流量经营效益,尤其是挖掘数据价值,开拓新的业务内容和盈利项目,某省移动与浪潮合作搭建大数据平台,建成后该平台用于多个平台数据分析业务。平台会处理每月客户账单,确保每月1日按时为用户提供账单服务,河南移动每年数据符合增长率在15%左右,基础架构完全可以满足扩容的技术需求。
由50台浪潮双路服务器NF5270M3构建Hadoop平台是系统的核心,另外三十台NF5270M3构建数据库处理平台。
网络——容错,高性能
系统采用了全新的IP网络互联架构,有足够的容错能力和性能来支持规模化数据处理。这一设计方案的优点是每台服务器配置两个10GB端口,端口通过冗余绑定方式分别与两台不同的汇聚交换机相连。此外通过高度冗余的三台二层交换机将所有汇聚交换机连接为统一的子网,最大限度的提高系统的冗余度和节点间通信带宽限制。
存储——成本降20%,效率提高3倍
数据存储方案也采用了分布式本地存储方式,采用双路服务器构建,替代原有的MNC小型机加磁盘阵列的方式,建设成本降低了20%以上。新平台可实现海量图片、视频文件的快速存储与查询,数据处理效率提升50%以上。而且,浪潮根据该省移动数据具体需求对大数据系统做了深层次的优化,在存储和网络资源间更均匀地平衡负载,从而将资源利用率提高三倍多。
电信行业的大数据仍然刚刚起步
该移动完成大数据平台建设后,不仅可以为相关企业提供数据分析报告,增加新的企业赢利点,而且可以通过对用户位置信息和指令信息的历史数据和当前信息分析建模,服务公共服务业,指挥交通、应对突发事件和重大活动。
此外还可以对某个时段和某个地点的用户流量和关键影响因素进行分析,洞察结果可为零售商在新店设计和选址、商品促销方式等提供决策支撑,从而帮助零售商更好地洞察客户需求,提升营销业绩。
2014年大数据的普及和运用都达到了前所未有的高度,但仍然仅是一个起步。凭借数据分析来竞争,实现数据价值货币化,这是运营商的终极追求。当一个人拿着手机玩《刀塔传奇》时,用快的软件叫一辆出租车时,无形的数据已经形成了一个流通的气场,这个气场就需要运营山的大数据平台来支持,从这个角度看,运营商的大数据建设还有更远的路要走。
此次同该移动合作的浪潮是中国领先的云计算和大数据方案供应商,也是2014年唯一全面入围三大电信运营商的服务器品牌厂商,在运营商集采中占有30%的份额。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21